[发明专利]基于机器视觉的焊点缺陷检测方法

说明书

本发明提供了一种基于机器视觉的焊点缺陷检测方法，涉及基于机器视觉的产品表面缺陷检测技术领域，该方法首先对合格标准件进行三维模型重建，提取合格焊点的三维信息；获取测试件的若干幅焊点图像并进行多曝光图像融合并进行预处理，获得焊点特征图像；利用极限学习机对焊点特征图像进行学习分类，得到不合格焊点并进行三维模型重建，提取不合格焊点的三维信息与合格焊点的三维信息进行比对，实现缺陷焊点的缺陷分析和分类。本发明可获得高质量的融合图像，利用主成分分析和极限学习机结合对焊点缺陷进行了分类，检测准确率更高，AUC值更大，检测时间更短；采用了聚焦测距的三维重建方法，提取焊点三维信息，检测精度更高，满足高质量检测要求。

技术领域

本发明涉及产品表面缺陷检测技术领域，具体涉及一种基于机器视觉的 PCB板焊点缺陷检测方法。

背景技术

随着现代工业的发展，基于PCB板的电子产品向着更轻、更薄的方向发展，这就要求PCB板要有更高的集成度。PCB板的使用极大提高了电子产品的可靠性及其生产效率，节约了更多的成本。印刷电路技术和电子器件的发展相互支撑，高密度互联技术是体现PCB板制造的最先进技术，使得PCB向微小孔径化、精细导线化方向发展。当前，PCB板组件的埋嵌技术是PCB板功能集成电路的重大改革，对相应的芯片和元器件结构有了相应要求。生产PCB板的过程中，电子元器件的焊接是重要的一部分，焊点的质量好坏也直接影响 PCB板的质量。在PCB板的焊点焊接过程中，由于操作误差等原因可能会导致焊点出现缺陷，例如漏焊、虚焊、连焊等。如果将此类存在缺陷的PCB板应用到电子产品当中，会导致产品出现严重问题，进而造成严重的损失，也有可能使整个产品因此报废。

对PCB板的焊点的缺陷检测对保证PCB板的高质量和高可靠性具有重要意义，PCB板焊点质量检测的主要方法有目测法、自动光学检测、自动射线检测、电气检测等方法。目测法由人工完成，在人工长时间目测的情况下，容易引发眼睛疲劳，导致目测不够准确，检测效率低，同时，周围环境也会影响监测人员注意力，从而影响检测精度和效率；自动射线检测的检测范围有限，对于0.1um以下的缺陷无法进行检测；电气检测是离线检测，无法及时反馈信息，存在检测效率过低、实时性差的问题。

基于机器视觉的焊点检测，国内外均有很多的应用及研究，主要集中在二维处理方面。在国外，1985年，Paul等人通过建立焊点的相应模板，用特征匹配的方法对焊点进行检测分类；2006年，Acciani等人利用神经网络和模糊规则分类器对焊点表面信息进行分类；2012年，Mar等人提出了使用Log- Gabor滤波器，离散小波变换和离散余弦变换对印刷电路板上的焊点图像进行特征提取。在国内，吴福培提出了概率排序的算法针对Chip类元件焊点检测，通过分析彩色焊点图像来检测焊点质量；梁桥康等人提出了结合焊点形态结构，并利用极坐标Hough变换算法，结合了滤波等多种算法，可以精确定位焊点的位置。这些方法都没有获取焊点的三维信息，对于一些存在微小缺陷的焊点无法准确检测出，不能满足现代化生产需要。

发明内容

本发明的目的在于提供一种能够获得高质量融合图像，检测时间短，检测精度更高，满足高质量检测要求的基于机器视觉的焊点缺陷检测方法，以解决上述背景技术中存在的技术问题。

为了实现上述目的，本发明采取了如下技术方案：

本发明提供的一种基于机器视觉的焊点缺陷检测方法，该方法包括如下流程步骤：

步骤S110：对合格标准件进行三维模型重建，提取合格焊点的三维信息；

步骤S120：获取测试件的若干幅焊点图像并进行多曝光图像融合；

步骤S130：对融合的图像进行预处理，消除噪声和干扰，获得焊点特征图像；

步骤S140：利用极限学习机对所述焊点特征图像进行学习分类，得到不合格焊点；

步骤S150：对所述不合格焊点进行三维模型重建，提取所述不合格焊点的三维信息；